شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود)
عنوان مقاله: شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود)
شناسه ملی مقاله: NACONF03_092
منتشر شده در سومین همایش سراسری کشاورزی و منابع طبیعی پایدار در سال 1394
شناسه ملی مقاله: NACONF03_092
منتشر شده در سومین همایش سراسری کشاورزی و منابع طبیعی پایدار در سال 1394
مشخصات نویسندگان مقاله:
آرمان عبدالهی پور - دانشجوی کارشناسی ارشذ مهنذسی عمران آب دانشگاه آزاد اسلامی واحد اسلامشهر
صابر معظمی گودرزی - استادیار گروه عمران دانشگاه آزاد اسلامی واحد اسلامشهر
محمود ذاکری نیری - استادیار گروه عمران دانشگاه آزاد اسلامی واحد اسلامشهر
خلاصه مقاله:
آرمان عبدالهی پور - دانشجوی کارشناسی ارشذ مهنذسی عمران آب دانشگاه آزاد اسلامی واحد اسلامشهر
صابر معظمی گودرزی - استادیار گروه عمران دانشگاه آزاد اسلامی واحد اسلامشهر
محمود ذاکری نیری - استادیار گروه عمران دانشگاه آزاد اسلامی واحد اسلامشهر
با توجه به لزوم پیش بینی مناسب جریان در حوزه های آبخیز کشور، توسعه آزمون هایی که بتواند آبدهی جریان رودخانه را در مقیاس زمانی روزانه و در مکان دلخواه برآورد نماید ، از موارد ضروری است که به بهبود اطلاعات مورد نیاز برای اهداف مدیریتی مرتبط با منابع آب منجر می گردد . همچنین با وجود تنوع در مدلهای بارش - رواناب، انتخاب یک مدل مناسب برای حوزه از جهت بهره وری برنامه ریزی و مدیریت منابع آب مهم می باشد . از طرفی مدلهای شبکه عصبی مصنوعی بدلیل ساختار غیر خطی ، برای مدلسازی فرآیندهای پیچیده نظیر فرآیندهای هیدرولوژیک کاربرد دارند . در این تحقیق شبیه سازی دبی روزانه سقز چای از حوزه آبخیز زرینه رود انجام شد . داده های روزانه بارش، دما و آبدهی در فاصله سالهای 1373 تا 1386 که 9 سال ابتدایی جهت آموزش شبکه و واسنجی مدل رگرسیونی و 4 سال دیگر جهت تست شبکه و صحت سنجی مدل رگرسیونی مورد استفاده قرار گرفت . جهت ارزیابی توانایی مدلها در شبیه سازی دبی از معیار ضریب تعیین R2 و شاخص های خطا RMSE وMAE استفاده شد . مقایسه نتایج مدل شبیکه عصبی مصنوعی با R2=0/96 ، RMSE=2/80 و MAE=083 در دوره آخموزش و مدل رگرسیونی با R2=0/92، RMSE=4/12، MAE=1/30 در دوره واسنجی، نشان می دهد که استفاده از مدل شبیکه عصبی مصنوعی، موجب 32% کاهش خطای RMSE و 36% کاهش خطای MAE شده است . این مقادیر در تست شبکه R2=0/94 ، RMSE=3/05 و MAE=1/12 و در صحت سنجی مدل رگرسیونی R2=0/91 ، RMSE=3/73 و MAE=1/50 می باشد .
کلمات کلیدی: هیدلوژی آبخیز، شبیه سازی جریان ، شبکه عصبی مصنوعی ، حوزه آبخیز زرینه رود
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/416633/